XRP Analyst Breaks Down Your Earnings If Deposited For Yield

bitcoinistDipublikasikan tanggal 2026-05-02Terakhir diperbarui pada 2026-05-02

Crypto analyst Iso Ledger has warned XRP investors and holders to take a closer look before depositing funds into earnXRP, a new yield product tied to Upshift and the Flare Network. While others discuss the possibility of earning steady passive income through this new system, Iso Ledger shows more caution. In a recent breakdown, the analyst explained what happens when a holder deposits their XRP, focusing on fees, expected returns, and the risks involved.

EarnXRP Shows Slow Returns And High Fees

In an X post on April 29, Iso Ledger explained that while earnXRP may look attractive and profitable at first, the yield system is riddled with issues that delay actual returns and introduce high costs for XRP holders. The analyst showed that before any yield is earned, users already lose a portion of their XRP through multiple fees built into the process.

To show this, Iso Ledger broke down each step that occurs and the exact costs involved when holders deposit 1,000 XRP. He noted that the process starts by converting XRP into FXRP, a wrapped version on the Flare Network. He stated that just minting XRP to FXRP takes a small fee cut of about 0.5-1%.

After that, users have to deposit their 1,000 XRP into the Upshift vault, which takes another fee, leaving them with only 993 FXRP. On top of that, there is a network and service fee of about 1.149875 XRP. Moreover, when it’s time to exit, users also face a redemption fee of about 0.5%. Altogether, the total round-trip cost comes to about 13 XRP on a 1,000 XRP deposit.

Iso Ledger compared this cost to the expected yield for earnXRP. While the vault claims to target returns as high as 10%, he noted that a more realistic estimate placed profits at only 4% a year. This would mean users gain only about 40 XRP annually on a 1,000 XRP deposit. Based on this, the analyst said it would take holders roughly four months just to recover the initial fees before they see any real profit.

Iso Ledger also noted that increasing the deposit size does not change this result. Whether a user deposits 1,000 or 10,000 XRP, the percentage fees stay the same. He also added that the break-even timeline remains unchanged, and larger deposits still face the same delay before users turn any profit.

Risks Tied To EarnXRP Smart Contracts And System Structure

Beyond fees and potential returns, Iso Ledger highlighted several risks tied to EarnXRP. He explained that the system runs on smart contracts, which can sometimes have bugs or be targeted by hackers and bad actors. He also pointed to the risk of impermanent loss, where changes in market conditions can cause the value of a user’s funds to drop while they are locked in the system.

Iso Ledger also noted that EarnXRP carries trade risks when users borrow and deploy assets across markets. If the price gap between those markets gets smaller, returns can drop. To top it off, withdrawals on EarnXRP can take up to 72 hours, meaning users may not be able to access their funds quickly enough.

He raised another concern, noting that because FXRP is a wrapped asset, it depends on a bridge system. Iso Ledger claimed this dependency adds another layer of risk for XRP holders, as bridges have been known weak points in crypto systems. This concern echoes past incidents like the Kelp DAO exploit, where over $290 million worth of restaked Ether was stolen after a hacker exploited weaknesses in the rsETH bridge used by the protocol.

Furthermore, Iso Ledger added that after publicly auditing Upshift one week ago and sending five questions, only one response was made so far, “on it,” showing a lack of clear communication and transparency. He said he would rather wait for XLS-66d, an upcoming upgrade that could offer similar yield options directly on the XRP Ledger without needing wrapped assets or bridges.

XRP trading at $1.38 on the 1D chart | Source: XRPUSDT on Tradingview.com

Bacaan Terkait

Di Balik Skor AI, Ada "Pembuat Soal" Seorang Tionghoa

Setiap peluncuran model AI terbaru, industri sering merujuk pada sejumlah "rapor" standar seperti MMLU-Pro, MMMU, dan MMMU-Pro. Di balik sistem evaluasi kunci ini, terdapat seorang "penyusun soal" bernama Chen Wenhu, asisten profesor di University of Waterloo. MMLU-Pro dikembangkan oleh Chen dan timnya sebagai respons atas keterbatasan MMLU lama. Ketika model-model mutakhir seperti o3 OpenAI mulai mencapai skor hampir sempurna, MMLU-Pro hadir dengan 12.032 soal yang lebih menantang, memperluas pilihan jawaban dan menekankan penalaran, sehingga berhasil membedakan kemampuan model yang sebelumnya tampak setara. Chen juga terlibat dalam MMMU, tolok ukur multimodal yang mengevaluasi pemahaman model terhadap gambar, grafik, dan teks secara terintegrasi. MMMU-Pro kemudian menyempurnakannya dengan memastikan model tidak bisa mengandalkan teks saja. Latar belakang Chen dalam pemahaman informasi kompleks dan pengembangannya di Google DeepMind untuk proyek Gemini memberinya wawasan mendalam. Ia mendirikan TIGERLab (atau "Geng Harimau"), yang tidak hanya fokus pada evaluasi tetapi juga riset model, seperti UniVideo untuk video dan MoCha untuk karakter virtual. Saat ini, Chen bergabung dengan Meta Super Intelligence Lab, terus berkontribusi pada data dan evaluasi multimodal. Karyanya mengingatkan bahwa di balik kemajuan AI yang terlihat, ada banyak talenta seperti dirinya yang membangun fondasi penting bagi perkembangan industri.

marsbit54m yang lalu

Di Balik Skor AI, Ada "Pembuat Soal" Seorang Tionghoa

marsbit54m yang lalu

Posisi Baru yang Paling Banyak Dicari di Silicon Valley Telah Muncul

Selama tiga tahun terakhir, posisi yang paling diminati di industri AI adalah ilmuwan model. Namun, kini fokus perusahaan raksasa seperti OpenAI, Anthropic, dan Google telah berubah. Mereka kini paling ingin merekrut Forward Deployment Engineer (FDE) – insinyur penyebaran garis depan. Posisi ini, yang melibatkan kerja lapangan, rapat, dan modifikasi proses, menandai pergeseran besar industri: mitos model meredup, perang implementasi dimulai. Laporan LinkedIn 2026 menunjukkan bahwa perekrutan FDE global meningkat 42 kali lipat dari 2023 hingga 2025, tiga kali lebih cepat daripada pertumbuhan posisi insinyur AI. Ini mengungkap kenyataan: model sudah canggih, tetapi banyak perusahaan gagal mengadopsinya karena kendala organisasi, seperti data lama, alur kerja yang kaku, dan masalah integrasi sistem. Palantir Technologies adalah pelopor dalam mengembangkan peran FDE. Alih-alih menjual perangkat lunak standar, mereka mengirim insinyur untuk tinggal di lokasi klien, memahami proses, dan menyesuaikan solusi. Metode ini kini menjadi acuan. Pada Mei 2026, tiga raksasa AI mengambil langkah serius untuk implementasi. Anthropic meluncurkan perusahaan patungan senilai $15 miliar untuk men-deploy model Claude. OpenAI membentuk anak perusahaan Deployment Company (DeployCo) dengan investasi awal lebih dari $40 miliar dan mengakuisisi firma konsultan Tomoro. Google Cloud secara masif membuka lowongan untuk FDE. Ini adalah sinyal kuat bahwa fokus telah beralih dari pembuatan model ke penyebaran hasil. FDE tidak hanya menjual alat, tetapi menjamin hasil. Mereka harus memahami teknologi sekaligus dinamika organisasi, menggantikan peran manajer produk, arsitek, manajer proyek, dan insinyur AI. Gaji mereka yang tinggi (hingga $500.000) mencerminkan kompleksitas tugas: mengatasi hambatan organisasi seperti budaya korporat, kepatuhan, dan pembagian tanggung jawab, yang seringkali menjadi penyebab utama kegagalan proyek AI, seperti yang dialami oleh Goldman Sachs dan Target. Kesimpulannya, saat model, daya komputasi, dan Agen menjadi semakin murah, kemampuan yang menjadi sangat berharga adalah memahami organisasi, mengubah proses, dan mendorong perubahan. FDE populer karena industri AI akhirnya mengakui bahwa bagian tersulit dari revolusi teknologi bukanlah teknologinya, melainkan manusianya.

marsbit1j yang lalu

Posisi Baru yang Paling Banyak Dicari di Silicon Valley Telah Muncul

marsbit1j yang lalu

Saat Piala Dunia Bertemu Agen: Dari Web2 ke Web3, Bagaimana Dompet Menuju ke Agentic Wallet?

Piala Dunia menjadi momen yang relevan untuk mengamati evolusi dompet digital (wallet). Dalam skenario prediksi Piala Dunia di platform seperti Polymarket, dompet web3 tradisional berfungsi sebagai pintu masuk interaksi on-chain bagi pengguna. Namun, perubahan yang lebih mendasar terjadi ketika AI Agent mulai diintegrasikan ke dalam skenario dompet, mengubah cara pengguna berinteraksi dengan dunia on-chain. Contohnya, imToken bereksperimen dengan menyematkan AI Agent dalam aktivitas prediksi Piala Dunia. Agent di situs web dan Discord ini dapat membantu pengguna menyelesaikan transaksi taruhan secara lebih alami. Pengguna tidak lagi harus membuka aplikasi dompet secara langsung, tetapi dapat berpartisipasi melalui Discord atau halaman web, kemudian dengan mulus dipandu kembali ke transaksi on-chain oleh Agent. Ini merupakan bentuk awal dari "Agentic Wallet", di mana dompet masa depan mungkin hadir dalam bentuk AI yang ada di mana-mana, bukan hanya sebagai aplikasi mandiri. Inti perubahan ini adalah pergeseran dari dompet sebagai "menu fungsi" menjadi "penerjemah intensi" (intent interpreter). Daripada pengguna memutuskan untuk mentransfer, menukar aset, atau menyambung ke DApp, mereka cukup menyampaikan keinginan dalam bahasa alami. Agent kemudian akan menguraikan langkah-langkahnya, dan dompet akan mengeksekusi rangkaian aksi on-chain. Piala Dunia menjadi pintu masuk yang ideal karena menyediakan konteks alami di mana pengguna memiliki intensi untuk berekspresi dan membuat keputusan. Perkembangan serupa juga terlihat di sektor keuangan tradisional. Mastercard meluncurkan "Agent Pay for Machines", yang mendefinisikan kerangka kerja untuk agen AI tepercaya yang berpartisipasi dalam pembayaran dengan otorisasi pengguna. Ini menekankan pentingnya identifikasi, otorisasi, batasan, dan audit untuk agen AI yang terlibat dalam transaksi bernilai—tantangan yang juga dihadapi oleh dompet web3. Oleh karena itu, tantangan utama bagi Agentic Wallet bukanlah seberapa banyak yang dapat dilakukan AI, tetapi bagaimana memastikan pengguna tetap memahami dan mengontrol tindakan AI. Keamanan dan batasan yang jelas menjadi sangat penting. Dompet masa depan perlu secara jelas memberi tahu pengguna tentang identitas Agent, kemampuan yang dapat digunakannya, durasi otorisasi, batas transaksi, dan memberikan opsi untuk menjeda atau mencabut akses kapan saja. Eksperimen dalam skenario ringan seperti prediksi Piala Dunia merupakan langkah awal menuju masa depan di mana dompet cerdas dapat meningkatkan pengalaman pengguna tanpa mengorbankan kendali dan keamanan aset mereka.

marsbit2j yang lalu

Saat Piala Dunia Bertemu Agen: Dari Web2 ke Web3, Bagaimana Dompet Menuju ke Agentic Wallet?

marsbit2j yang lalu

Trading

Spot
Futures
活动图片